Mạng nơ-ron tích chập đa phương thức
Mạng nơ-ron tích chập đa phương thức (MM-CNN) xử lý và hợp nhất hai hoặc nhiều phương thức đầu vào — như hình ảnh và văn bản, hoặc video và âm thanh — thông qua các nhánh tích chập chuyên dụng, học một biểu diễn chia sẻ nắm bắt các tín hiệu bổ sung từ mỗi nguồn. Biểu diễn hợp nhất này thúc đẩy một tác vụ hạ nguồn như phân loại, hồi quy hoặc truy xuất.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- Ngiam, J., Khosla, A., Kim, M., Nam, J., Lee, H., & Ng, A. Y. (2011). Multimodal deep learning. In Proceedings of the 28th International Conference on Machine Learning (ICML), 689–696. link ↗
- Zhang, Y., Yin, C., Li, Y., Li, D., & Tian, Q. (2020). Multimodal intelligence: Representation learning, information fusion, and applications. IEEE Journal of Selected Topics in Signal Processing, 14(3), 478–493. DOI: 10.1109/JSTSP.2020.2987728 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Multimodal Convolutional Neural Network (MM-CNN). ScholarGate. https://scholargate.app/vi/deep-learning/multimodal-convolutional-neural-network
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Phân loại ảnhHọc sâu↔ compare
- Phân loại dựa trên BERT đa phương thứcHọc sâu↔ compare
- Mạng nơ-ron hồi quy đa phương thứcHọc sâu↔ compare
- Transformer Đa phương thứcHọc sâu↔ compare
- Transfer Learning với Mạng Nơ-ron Tích chậpHọc sâu↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →